摘要：提出了一种基于QoS约束的Web服务选择和排序模型,在研究Web服务的三维QoS模型的基础上设计基于QoS约束的服务选择模型,进一步研究服务效能的概念和量化方法并设计基于服务效能的排序模型.该模型的原型系统已经在国家地质调查网格中得到应用,结果表明模型能够有效保障用户对服务的需求,具有很高的查准率、响应率以及较好的负载均衡能力,提高了基于面向服务架构(SOA)的网络应用的可用性.

摘要：为解决在不完整序数偏好场景下的在线服务评价问题,提出一种面向不完整序数偏好的在线服务评价方法。首先,通过定义面向不完整序数偏好的Kendall tau胜者距离,将其作为服务评价指标,实现了在不完整序数偏好场景下的在线服务评价;然后,设计了用于评估和优化服务评价结果质量的评估算法与偏好抽取策略,用于在需要时对服务评价结果质量进行评估,并向用户进行少量但关键的偏好查询,以实现快速优化服务评价结果质量;最后,基于真实数据集与人工合成数据集的实验结果验证了该方法的合理性和有效性。

摘要：随着Web服务的广泛应用,网络上提供的服务数量越来越多,如何在动态的环境下从海量的Web服务中找到满足用户需求的最优服务就成了Web服务应用急需解决的问题。介绍了服务质量的量化评价方法,并且在不改变传统Web服务架构的基础上,建立了一种基于服务质量的Web服务三层匹配模型,最后实验结果证明了该模型的可行性。

摘要：服务匹配是面向服务架构(SOA)中的重要问题,为了解决现有服务匹配方法中功能匹配不准确和匹配效率低的问题,提出一种基于多维功能索引的服务匹配方法。该方法首先对应用领域中的基本功能操作进行了定义,基于定义的功能操作给出Web服务的功能描述,进而引入两级索引机制建立服务的多维功能索引,最后在索引基础上给出了服务匹配和相关性排序算法。测试结果表明,该方法在服务匹配准确度上与现有方法相比有10%左右的提高,同时具有较优的时间性能。

摘要：为了解决云计算条件下大数据资源评估效率低下、用户服务响应缓慢、稳定评估周期短等问题,提出一种基于流动性感知机制的大数据资源稳定评估算法。首先,考虑到大数据资源具有的高并发特性,设计了通过级别匹配的方式进行用户访问强度评估,过滤服务性能较低的用户访问请求,提升用户访问质量,缩短资源评估周期。然后,针对数据响应过程存在的服务资源受限问题,构建服务资源评估排序方案,划分用户服务级别,提高用户服务访问的适应性能。仿真实验结果显示:与当前大数据评估领域常用的遗传重构蜂群算法和大数据K-匿名微聚集算法相比,该算法能有效地缩短资源评估时间,提高评估过程中的计算收敛速度,单位用户服务能力卓越。